第六讲-两种模型误差的可区分贵阳.pptVIP

第六章 两种模型误差的可区分性及其可靠性理论 §6-1 问题的提出 目前处理误差的做法： 两种模型误差分开处理。即补偿系统误差假设粗差不存在，而在检测粗差时假设系统误差已改正： 实际上，这两类误差通常是同时存在的。 举例1：一条线段在不同时期（等间隔） 量测9次，观测值如图（6-1-1） 显然存在两种不同的理解： --观测值3和6含粗差，距离观测值与时间无关 --观测值为时间的周期函数，观测值9含粗差 例2： 根据四个框标的量测值和已知值进行仿射变换，以改正底片变形，存在两个粗差与仿射变形系统误差不可区分的情况。 理解1： 不存在粗差，只存在仿射变形； 理解2： 不存在仿射变形，只存在粗差。 例3 变形分析中粗差与变形不可区分的例子 图6-1-4，图中绘出了带观测值粗差时第一期和第二期观测结果间的位移矢量 原因：由于在第二期观测时， 方向观测值r49含有2.7’。 结果：在未剔除的前提下， 导致点9产生了大小为12mm 十分显著的位移。 实例说明：两种模型误差往往 同时存在，所以模型误差的区 分是十分重要的 §6-2含两个多维备选假设时的假设检验 一、两个多维备选假设的提出与统计检验量检验的原假设 （6-2-1） 相对立的两个备选假设为： （6-2-2） 其中 维系数矩阵 为 附加参数向量 和 表示两种不同的模型参数 以上的检验等价于对 附加参数提出以下检验： 假设： 假设： （6-2-3） 仿§3.4的推导，可得到 在已知单位权方差时的检验量： （i=1，2） （6-2-4） 未知单位权方差时的检验量： （i=1，2） （6-2-5） 式中：  （6-2-9） 特别地： 若矩阵 仅为 向量 ，则可得到在已知方差下的一维备选假设检验量： 且为 正态分布 未知方差下的一维备选假设检验量： 二、两个备选假设的统计抉择和三类统计误差 设原假设、备选假分别为： 和 又设： 正确抉择 的概率为 ； 正确抉择备选假设 分别为： 和 正确接受备选假设的概率为： 则定义： 1）第Ⅰ类错误 错误地放弃零假设，而接受被选假设的概率，其概率为： 2）第Ⅱ类错误 错误地接受零假设，而拒绝实际为真的备选假设 其概率为： 3) 第Ⅲ类错误 错误地选取了备选假设 ，而拒绝了实际为真的备选假设 。 其概率为： 由于表示在两个备选假设中错误区分的概率，因此，可以称 为两个备选假设的区分可能性，亦称两种模型误差的可分性。 三类错误的理解： 第一类和第二类错误产生于对是否存在粗差的判断； 第三类错误产生于，若存在粗差，但粗差出现在哪个观测值上定位判断。 例：若事实上不存在粗差，但检验认为有粗差，则认为犯了第Ⅰ类错误 反之，事实上存在粗差，但检验认为不存在粗差，则属于第Ⅱ类错误 观测值li上存在粗差，检验后认为观测值lj上存在粗差，则属第Ⅲ类错误。也称为错误定位。 §6-3 作为可区分性尺度的相关系数 一、二次型检验量T1和T2之间的相关系数 设有正态随即变量 又式（6-2-4）